创建文本转语音请求
根据输入文本生成音频。接口生成的数据为音频二进制数据，需要用户自行处理。
添加 Header 'Authorization: Bearer {账户 API Key}' 进行鉴权
In: header
MOSS-TTSD（text to spoken dialogue）是一个开源的双语对话语音合成模型，支持中文和英文。它可以将两位说话人之间的对话脚本转换为自然、富有表现力的对话语音。MOSS-TTSD 支持声音克隆和长单会话语音生成，非常适合 AI 播客制作。 为更好地提升服务质量，我们会对本服务提供的模型进行定期变更，包括但不限于模型上下线和模型服务能力的调整。在可行的情况下，我们会通过公告或消息推送等适当方式通知您此类变更。
"fnlp/MOSS-TTSD-v0.5"对话文本使用说话人标签来标识轮次： [S1]：表示说话人 1 正在说话 [S2]：表示说话人 2 正在说话
1 <= length <= 128000"[S1]Hello, how are you today?[S2]I'm doing great, thanks for asking![S1]That's wonderful to hear "要生成的最大 token 数量。输入 + 输出不超过 32k token。
voice 字段和 references 字段互斥。如需使用脚本化对话，需要通过 references 字段传入两种音色。脚本化对话仅适用于 MOSS-TTSD 模型。
voice 字段目前不支持两种音色。如需上传两种音色，请使用 references 字段。
"fnlp/MOSS-TTSD-v0.5:alex"音频的输出格式。支持的格式有 mp3、opus、wav、pcm
"mp3""mp3" | "opus" | "wav" | "pcm"控制输出采样率。不同音频输出类型的默认值和支持范围如下：opus：支持 48000 Hz。wav、pcm：支持 8000、16000、24000、32000、44100 Hz，默认值为 44100 Hz。mp3：支持 32000、44100 Hz，默认值为 44100 Hz
32000是否使用流式输出
false | true生成音频的语速。可选值范围为 0.25 到 4.0。默认值为 1.0。
1float0.25 <= value <= 4音频增益，用于调整输出音量。取值范围为 -10.0 到 10.0，默认值为 0.0。
float-10 <= value <= 10对应的模型名称。为更好地提升服务质量，我们会对本服务提供的模型进行定期变更，包括但不限于模型上下线和模型服务能力的调整。在可行的情况下，我们会通过公告或消息推送等适当方式通知您此类变更。
"FunAudioLLM/CosyVoice2-0.5B"对于自然语言指令，请在自然语言描述前添加特殊结束标记 "<|endofprompt|>"。这些描述涵盖情感、语速、角色扮演和方言等方面。对于详细指令，在文本标记之间插入音高变化，使用如 "[laughter]" 和 "[breath]" 之类的标记。此外，我们将音高特征标记应用于短语；例如：Can you say it with a happy emotion? <|endofprompt|> Today is really happy, Spring Festival is coming! I’m so happy, Spring Festival is coming! [laughter] [breath].
1 <= length <= 128000"Can you say it with a happy emotion? <|endofprompt|>I'm so happy, Spring Festival is coming!"voice 字段目前不支持两种音色。如需上传两种音色，请使用 references 字段。
"FunAudioLLM/CosyVoice2-0.5B:alex"voice 字段和 references 字段互斥。
音频的输出格式。支持的格式有 mp3、opus、wav、pcm
"mp3""mp3" | "opus" | "wav" | "pcm"控制输出采样率。不同音频输出类型的默认值和支持范围如下：opus：支持 48000 Hz。wav、pcm：支持 8000、16000、24000、32000、44100 Hz，默认值为 44100 Hz。mp3：支持 32000、44100 Hz，默认值为 44100 Hz
32000是否使用流式输出
生成音频的语速。可选值范围为 0.25 到 4.0。默认值为 1.0。
1float0.25 <= value <= 4音频增益，用于调整输出音量。取值范围为 -10.0 到 10.0，默认值为 0.0。
float-10 <= value <= 10Response Body
根据输入文本生成音频。接口生成的数据为二进制格式，需要用户自行处理。 响应头中包含 x-siliconcloud-trace-id 字段，作为请求的唯一追踪标识，便于日志查询和问题排查。
TypeScript Definitions
Use the response body type in TypeScript.
binary"音频的二进制数据"curl --request POST \
--url https://api.siliconflow.cn/v1/audio/speech \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "fnlp/MOSS-TTSD-v0.5",
"input": "你站在桥上看风景，看风景的人在楼上看你。明月装饰了你的窗子，你装饰了别人的梦",
"voice": "fnlp/MOSS-TTSD-v0.5:alex",
"response_format": "mp3"
}' --output output.mp3
import requests
url = "https://api.siliconflow.cn/v1/audio/speech"
payload = {
"model": "fnlp/MOSS-TTSD-v0.5",
"input": "你站在桥上看风景，看风景的人在楼上看你。明月装饰了你的窗子，你装饰了别人的梦",
"voice": "fnlp/MOSS-TTSD-v0.5:alex",
"response_format": "mp3"
}
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
response = requests.post(url, json=payload, headers=headers)
with open("output.mp3", "wb") as f:
f.write(response.content)
"音频的二进制数据"{
"code": 20012,
"message": "string",
"data": "string"
}"Invalid token""Forbidden""404 page not found"{
"message": "Request was rejected due to rate limiting. If you want more, please contact contact@siliconflow.cn. Details:TPM limit reached.",
"data": "string"
}{
"code": 50505,
"message": "Model service overloaded. Please try again later.",
"data": "string"
}"string"